完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>
標簽 > 數(shù)據(jù)集
文章:1160個 瀏覽:25953次 帖子:33個
如何使用Scrapy爬取網(wǎng)站數(shù)據(jù)
網(wǎng)頁抓取的主要目標是從無結(jié)構的來源提取出結(jié)構信息。Scrapy爬蟲以Python字典的形式返回提取數(shù)據(jù)。盡管Python字典既方便又熟悉,但仍然不夠結(jié)構...
2018-07-26 標簽:數(shù)據(jù)集選擇器爬蟲 5.6k 0
結(jié)合深度神經(jīng)網(wǎng)絡和決策樹的完美方案
“ANT的出發(fā)點與mGBDT類似,都是期望將神經(jīng)網(wǎng)絡的表示學習和決策樹的特點做一個結(jié)合,不過,ANT依舊依賴神經(jīng)網(wǎng)絡BP算法進行的實現(xiàn),”馮霽說:“而深...
2018-07-25 標簽:神經(jīng)網(wǎng)絡數(shù)據(jù)集決策樹 1.1萬 0
一種基于GAN的圖到圖轉(zhuǎn)換方法,可以檢測出圖片中的敏感區(qū)域
圖像到圖像轉(zhuǎn)換是一類經(jīng)典計算機視覺問題,按照一般方法,研究人員需要對齊訓練集圖像,讓模型學習輸入圖像和輸出圖像之間的映射。但在這個問題下找到成對圖像基本...
2018-07-25 標簽:圖像GAN數(shù)據(jù)集 5.3k 0
討論維數(shù)災難問題并且了解在高維空間的數(shù)據(jù)
理論上來說,維數(shù)爆炸的一個解決方案是增加訓練集的大小從而達到擁有足夠密度的訓練集。不幸的是,在實踐中,達到給定密度所需的訓練實例的數(shù)量隨著維度的數(shù)量呈指...
2018-07-24 標簽:3D降維數(shù)據(jù)集 1.4萬 0
Move Mirror使用攝像頭捕捉你的動作,實時匹配和你動作相近的圖像
表現(xiàn)出色,又是自家出品,所以Move Mirror團隊順理成章地選擇了PoseNet作為應用背后的模型。在原型開發(fā)階段,團隊通過簡單的web API訪問...
2018-07-22 標簽:Google機器學習數(shù)據(jù)集 1.1萬 0
最后,如果你觀察一個單一決策樹,重要的特征會出現(xiàn)在更靠近根部的位置,而不重要的特征會經(jīng)常出現(xiàn)在靠近葉子的位置。因此我們可以通過計算一個特征在森林的全部樹...
2018-07-20 標簽:分類器數(shù)據(jù)集決策樹 2.8k 0
這款筆記是一種端到端(end-to-end)的樣例。如果你運行它,將會下載 MS-COCO數(shù)據(jù)集,使用Inception V3來預處理和緩存圖像的子集、...
2018-07-20 標簽:圖像數(shù)據(jù)集 5k 0
InfoGAN是生成對抗網(wǎng)絡信息理論的擴展,能夠以完全非監(jiān)督的方式得到可分解的特征表示。它可以最大化隱含(latent)變量子集與觀測值之間的互信息(m...
2018-07-20 標簽:GAN機器學習數(shù)據(jù)集 5.8k 0
它的概念很簡單:對于每個目標對象,F(xiàn)aster R-CNN都有兩個輸出,一是分類標簽,二是候選窗口;為了分割目標像素,我們可以在前兩個輸出的基礎上增加第...
2018-07-20 標簽:機器人數(shù)據(jù)集 6.9萬 0
概率分布合成的數(shù)據(jù)上平均數(shù)的探索詳細資料概述
Philadelphia Media Network資深數(shù)據(jù)分析師Daniel McNichol使用R語言演示了畢達哥拉斯平均數(shù)在不同概率分布上的效果。
2018-07-19 標簽:概率算術數(shù)據(jù)集 5.7k 0
為了在有限大小下保證性能,工程師們不僅量化了權重,同時對激活也進行了量化,實現(xiàn)了速度(大小)和精度的平衡。下圖展現(xiàn)了優(yōu)化后的模型在Pixel2的CPU上...
2018-07-17 標簽:谷歌數(shù)據(jù)集TensorFlow 4.2k 0
和軟件工程一樣,機器學習中,有很多處理問題的方法,各有各的折衷。如果你正在做一項研究或者一個本地原型,你可以使用非常低效的解決方案。但是如果我們創(chuàng)建的是...
2018-07-17 標簽:圖像數(shù)據(jù)集深度學習 5.3k 0
講解隨機梯度下降、類別數(shù)據(jù)編碼、Vowpal Wabbit機器學習庫
在數(shù)據(jù)量不大的情況下,上面的數(shù)學效果不錯(我們這里不討論局部極小值、鞍點、學習率選擇、動量等問題,請參考《深度學習》一書的數(shù)值計算那一章)。批量梯度下降...
2018-07-17 標簽:函數(shù)機器學習數(shù)據(jù)集 6.8k 0
TensorFlow發(fā)表推文正式發(fā)布TensorFlow v1.9
其中有兩個案例受到了大家的廣泛關注,這個項目是通過 Colab 在 tf.keras 中訓練模型,并通過TensorFlow.js 在瀏覽器中運行;最近...
2018-07-16 標簽:數(shù)據(jù)集TensorFlow 3.6k 0
在訓練點和生成的樣本之間的線性插值上評估梯度,作為最佳耦合的代理(proxy)。 還可以在數(shù)據(jù)流形周圍評估梯度損失,這促使鑒別器在該區(qū)域中成分段線性。梯...
2018-07-16 標簽:發(fā)生器GAN數(shù)據(jù)集 4.7k 0
對于語音,我們使用了公開的LibriSpeech數(shù)據(jù)集中100小時的子數(shù)據(jù)集。雖然數(shù)據(jù)集不提供原始文本以外的標簽,但我們使用Kaldi工具包獲得了強制對...
2018-07-14 標簽:編碼器數(shù)據(jù)集深度學習 7.2k 0
用人類智商測試題檢驗神經(jīng)網(wǎng)絡的抽象推理能力
既然目的是讓AI做題,我們先得有題?。‘斎涣?,手動搜集整理是不可能的,為了創(chuàng)建題庫,首先我們構建了一個可以自動生成推理題的生成器,它包含一組抽象元素,包...
2018-07-14 標簽:神經(jīng)網(wǎng)絡機器學習數(shù)據(jù)集 8.6k 0
無需使用沒有“噪聲”的清晰圖像,就能夠?qū)崿F(xiàn)完美去水印
如何生成清晰的圖像是醫(yī)學成像檢測(如MRI)和天文圖像中的共同問題,因為這些場景根本沒有足夠的時間和光線來拍攝清晰圖像。時間在計算機圖形技術中也是一個問...
2018-07-13 標簽:神經(jīng)網(wǎng)絡圖像數(shù)據(jù)集 7.1k 0
虛線表示的是那些決策函數(shù)等于 1 或 -1 的點:它們平行,且到?jīng)Q策邊界的距離相等,形成一個間隔。訓練線性 SVM 分類器意味著找到w值和b值使得這一個...
2018-07-12 標簽:分類器機器學習數(shù)據(jù)集 4.8k 0
在多個異構數(shù)據(jù)集上進行訓練并可開發(fā)它們的語義層次結(jié)構
在第二節(jié),我們描述了我們的分層方法所解決的確切挑戰(zhàn)。一個例子是Cityscapes和GTSDB的綜合培訓。在這種情況下,所有GTSDB類都是Citysc...
2018-07-12 標簽:數(shù)據(jù)集自動駕駛深度學習 7.4k 0
換一批
編輯推薦廠商產(chǎn)品技術軟件/工具OS/語言教程專題
| 電機控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無刷電機 | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機 | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進電機 | SPWM | 充電樁 | IPM | 機器視覺 | 無人機 | 三菱電機 | ST |
| 伺服電機 | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國民技術 | Microchip |
| Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |